一个多阶段的3D卷积神经网络算法,用于基于CT的肺部细分分片
Trishul Siddharthan1, Zhoubing Xu2, Bruce Spottiswoode2
1Division of Pulmonary, Critical Care and Sleep Medicine, University of Miami, Miami, Florida, USA.
Journal of applied clinical medical physics
|July 23, 2025
概括
深度学习在CT扫描上准确地对肺部区域进行细分,改善了呼吸道疾病患者的分析. 这种先进的肺部分片技术显示出临床应用的前景.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 肺部病理学 肺部病理学
背景情况:
- 传统的肺部分片是依靠裂来估计叶膜体积的.
- 深度学习提供了对区域通风和 perfusion 异质性的增强评估.
研究的目的:
- 为了验证和证明基于深度学习的CT肺部细分的临床适用性.
- 在临床队列中评估该技术,该队列中患有混合呼吸道疾病.
主要方法:
- 一个3D卷积神经网络被用于气道中线的确定和三级支气管的识别.
- 从端到端的肺段分片被直接从胸部CT图像中训练.
- 在训练数据上使用Dice分数和纳入率来评估绩效,在外部验证数据上由放射科医生进行定性评估.
主要成果:
- 定量分析显示,平均子得分为86.81分,包含率为0.75.
- 定性评估表明,读者内部的同意率很高 (99.2%).
- 与健康个体相比,患有COPD的患者表现出更大的细分不匹配.
结论:
- 一个深度学习算法成功地从CT扫描中生成肺部分片面具.
- 令人鼓舞的定量和定性结果支持肺部细分水平肺部分析的潜在临床应用.
- 这种方法特别适用于有结构性气道疾病的患者.
